Indirect Influence on Network Diffusion
Universitat Rovira i Virgili(罗维拉-依吉利维尔大学)
本文研究了网络扩散中间接路径的影响,通过d-路径拉普拉斯框架分析扩散动力学,引入间接影响参数量化间接路径对扩散时间尺度的影响,并通过理论和模拟验证了结构相变。
2025-10-08 cond-mat.stat-mech physics.soc-ph
Indirect interactions influence contact network structure and diffusion dynamics
在个人层面上的相互作用模式影响接触网络上的扩散行为。现有的扩散模型大多只考虑个体间的直接相互作用来构建潜在的传染性物品传播网络。然而,延迟的间接相互作用,即易感个体在感染个体离开相互作用空间后与传染性物品相互作用,也可能导致传播事件。我们定义了一个扩散模型称为相同的地方不同的时间传输(SPDT)为基础的扩散,认为这些间接的相互作用的传输链路。我们的SPDT模型改变了网络动态,其中个体之间的连接性随链接传染性的衰减率而变化。我们研究SPDT扩散行为模拟空气传播疾病的数据驱动的接触网络。SPDT模型显著增加了扩散动力学(特别是对于具有低链接密度的网络,其中间接相互作用产生新的感染途径),并且能够产生现实的疾病繁殖数。我们的结果表明,与当前具有直接相互作用的扩散模型相比,SPDT模型更有可能导致疫情爆发。我们发现,包括间接联系的扩散动力学是不可重现的,目前的模型,突出了预测疫情的间接联系的重要性。
2019-06-06 cs.SI physics.soc-ph
Extreme robustness of scaling in sample space reducing processes explains Zipf's law in diffusion on directed networks
最近已经表明,一类特定的路径依赖随机过程,减少他们的样本空间,因为他们展开,导致频率和秩分布的精确标度律。这种样本空间缩减过程(SSRP)提供了一种替代的新机制,以了解无数过程中尺度的出现。相应的幂律指数被证明是相关的噪声水平的过程中。在这里,我们表明,缩放的出现不仅限于最简单的SSRP,但持有一个巨大的域的随机过程,其特征在于非均匀的先验分布。我们从数学上证明,在没有噪声的情况下,标度指数收敛到$-1$(Zipf定律)几乎所有的先验分布。因此,它成为可能,以充分了解加权有向网络上的目标扩散及其相关的标度律在节点访问分布。循环的存在可以被正确地解释为在SSRP中扮演与噪声相同的角色,并且相应地确定标度指数。Zipf定律作为网络扩散的一般特征而出现,无论其细节如何,并且访问时间的指数与网络中的周期量有关,这一结果可能与交通,运输和供应链管理中的一系列应用有关。
2016-06-24 cond-mat.dis-nn physics.soc-ph
Boosting Nodes for Improving the Spread of Influence
网络中的信息扩散最近受到了广泛的关注。大多数以前的工作解决的影响力最大化问题,选择一组合适的种子节点启动扩散过程,使最大数量的节点达到。由于种子选择问题是NP困难的,大多数解决方案都是次优的。此外,可以存在种子节点被预定的设置。因此,一个自然出现的问题是:给定一组种子节点,我们是否可以选择一小组节点,如果我们改善它们对扩散过程的反应,就可以实现扩散扩散的最大增加?我们称之为提升集选择问题。在本文中,我们形式化这个问题,研究其复杂性,并提出适当的算法。我们还评估了一些真实网络中的提升效果,并报告了不同种子集、扩散过程中的时间限制和其他扩散参数所实现的影响扩散的增加。
2016-09-12 cs.SI physics.soc-ph
Scaling rules in the science system: influence of field-specific citation characteristics on the impact of research groups
我们提出了一个科学的引用密度景观的表示和调查的缩放规则与特定领域的引用密度作为一个主要的拓扑属性。我们专注于规模依赖的几个主要的文献计量学指标的研究小组,同时区分高性能和低性能组。我们证明,这种表示的科学系统是特别有效的理解的作用和相互依赖的不同的文献计量指标和相关的拓扑性质的景观。
2007-07-22 physics.data-an physics.soc-ph
Time-Critical Influence Maximization in Social Networks with Time-Delayed Diffusion Process
影响力最大化是在社交网络中找到一小组高影响力用户(也称为种子)的问题,使得在某些传播模型下的影响力传播最大化。在本文中,我们考虑时间关键的影响力最大化,其中一个人希望在给定的最后期限内最大限度地扩大影响力。由于时间被认为是在优化,我们还扩展了独立级联(IC)模型和线性阈值(LT)模型,将时间延迟方面的影响力扩散在社交网络中的个人。我们表明,时间延迟IC和LT模型下的时间关键的影响力最大化化保持所需的属性,如子模块化,这使得贪婪的近似算法,以实现近似比$1-1/e$。为了克服贪心算法的低效性,我们设计了两个启发式算法:第一种方法基于计算树结构和有向非循环子图中的精确影响的动态规划过程,第二种方法是将问题转化为原模型中的问题,然后应用已有的快速启发式算法求解,仿真结果表明,我们的算法达到了相同的效果传播的贪心算法,同时运行几个数量级更快,他们也优于现有的快速算法,忽略了最后期限的约束和延迟的扩散。
2015-07-13 cs.SI physics.soc-ph
Influencers identification in complex networks through reaction-diffusion dynamics
网络科学、营销研究和创新扩散理论中的一个关键思想是,一小群节点--被称为影响者--对网络中的社会传染和流行过程具有最大的影响。尽管在社会经济和生物网络的影响者识别问题的长期利益,还没有达成协议,这是最好的识别策略。最先进的策略通常基于启发式中心性度量或仅适用于特定网络拓扑或特殊动态机制的分析参数。在这里,我们利用最近引入的随机游走有效距离-一个拓扑度量,几乎完美地估计网络上扩散扩散过程的到达时间-引入一个新的中心性度量,它量化了一个节点与其他节点的接近程度。我们发现,新的中心性指标显着优于国家的最先进的指标,在检测全球传染过程的影响。我们的研究结果揭示了网络有效距离对影响者识别的重要作用,并使我们更接近问题的最优解。
2018-11-14 cs.SI physics.soc-ph
Information Diffusion and External Influence in Networks
社交网络在信息传播中发挥着重要作用。然而,有两种不同的方式可以让信息到达网络中的人。信息通过我们社交网络中的联系以及外部网络外来源(如主流媒体)的影响到达我们。虽然目前大多数网络中信息采用的模型都假设信息只通过底层网络的边缘从一个节点传递到另一个节点,但最近大量在线社交媒体数据的可用性使我们能够更详细地研究这一过程。我们提出了一个模型,在该模型中,信息可以通过社交网络的链接或通过外部源的影响到达节点。然后,我们开发了一个有效的模型参数拟合技术,并将该模型应用于Twitter网络中出现的URL提及。使用一个完整的一个月的跟踪Twitter,我们研究信息如何到达网络的节点。我们量化的外部影响随着时间的推移,并描述这些影响如何影响信息的采用。我们发现信息倾向于在网络中“跳跃”,这只能解释为网络上不可观察的外部影响的影响。我们发现,Twitter上只有大约71%的信息量可以归因于网络扩散,其余29%是由于外部事件和网络之外的因素。
2012-06-06 cs.SI physics.soc-ph
Scaling rules in the science system: influence of field-specific citation characteristics on the impact of individual researchers
科学的引用密度景观和缩放规则的研究与特定领域的引用密度作为一个主要的拓扑属性的代表性进行了分析,以前在研究小组的水平。这里的重点是研究人员个人。在这个新的分析中,几个主要的文献计量学指标的大小依赖性为一个大的个人研究人员进行了探讨。这里描述的研究人员个人的研究小组,以前观察到的类似的结果,加强普遍的缩放规则的科学作为一个引用密度景观的代表性的想法。讨论了不同引文密度的专题领域之间的差异。
2008-03-07 physics.data-an physics.soc-ph
Influence Maximization in Continuous Time Diffusion Networks
在一个扩散网络中寻找最优的源节点集,在有限的时间内最大限度地传播信息、影响和疾病,这个问题极大地依赖于网络的底层时间动态。然而,迄今为止,这在很大程度上仍未得到探索。为此,给定一个网络及其时间动态,我们首先描述连续时间马尔可夫链如何允许我们分析计算从一组源节点开始的扩散过程所到达的节点的平均总数。然后,我们表明,选择一组最有影响力的源节点在连续时间的影响力最大化问题是NP-难的,并开发一个有效的近似算法,可证明的近最优性能。合成和真实扩散网络上的实验表明,我们的算法优于其他国家的最先进的算法至少~20%,是在不同的网络拓扑结构的鲁棒性。
2012-05-08 cs.DS cs.SI physics.soc-ph
Time-Bounded Influence Diffusion with Incentives
社交网络中广泛研究的影响力扩散模型将网络表示为具有针对每个节点的影响力阈值$t(v)$的图$G=(V,E)$。最初,初始集合$S\subseteq V$的成员受到影响。在每个后续轮期间,通过包括具有至少$t(v)$先前受影响的邻居的每个节点$v$来扩充受影响的节点的集合。一般的问题是找到一个影响整个网络的小初始集。在本文中,我们通过使用\emph{incentives}来降低一些节点的阈值扩展该模型。目标是最小化所需的激励总数,以确保该过程在给定的回合数内完成。这个问题在一般网络中很难近似。我们提出了多项式时间算法的路径,树,和完整的网络。
2018-07-18 cs.DS cs.SI math.CO
Understanding How Network Geometry Influences Diffusion Processes in Complex Networks: A Focus on Cryptocurrency Blockchains and Critical Infrastructure Networks
The University of Texas at El Paso(德克萨斯大学埃尔帕索分校);Texas Tech University(德克萨斯理工大学)
本研究通过流行病模型分析网络几何对扩散的影响,发现枢纽主导网络对随机故障有韧性但易受攻击,中心性度量显著影响区块链与基础设施网络的扩散传播。
2025-10-09 cs.SI physics.soc-ph stat.ME
Leveraging inter-firm influence in the diffusion of energy efficiency technologies: An agent-based model
能源效率技术(ECO2)对于节约能源和减少二氧化碳排放至关重要。然而,Escherichia coli在中小型企业中的推广相当缓慢。研究表明,创新采纳者和潜在采纳者之间的相互作用对创新扩散有重要影响。企业缺乏信息共享的动力,企业信息缺乏可观察性,抑制了企业间的影响力。因此,一个信息平台,加上适当的政策鼓励或迫使企业披露与环境与技术有关的信息,应有助于利用公司间的影响力,加速环境与技术的扩散。为了探讨这种信息平台是否以及如何影响EET在中小企业中的扩散,本研究建立了一个基于Agent的模型来模拟EET扩散过程。通过一系列受控数值实验,发现并解释了一些反直觉现象。结果表明,信息平台是一把双刃剑,它显著加速了Escort的传播约47%,但也可能促使负面信息传播得更快,并推迟Escort的大规模采用。增加网络密度和企业间影响的强度对EET扩散是有效的,但在达到某个临界值(分别为0.05和0.15)后,它们的影响急剧减弱,并最终损害系统的稳定性。因此,研究结果表明,EET供应商应谨慎推出他们有前途的,但不成熟的产品,政策,可以减少感知风险的企业和努力,以维持一个信息,而不是判断性的信息平台,可以显着减轻所带来的负面影响的高流动性的信息。
2020-04-24 cs.SY eess.SY physics.soc-ph
Inferring Networks of Diffusion and Influence
信息扩散和病毒传播是发生在网络中的基本过程。虽然通常可以直接观察节点何时感染病毒或采用信息,但观察单独的传输(即,谁感染谁,或者谁影响谁)通常是非常困难的。此外,在许多应用中,扩散和传播的底层网络实际上是不可观察的。我们通过开发一种方法来应对这些挑战,该方法用于跟踪通过网络的扩散和影响路径,并推断传染传播的网络。给定节点接受信息或被感染的时间,我们确定最佳网络,最好地解释观察到的感染时间。由于优化问题是NP-难精确解决,我们开发了一种有效的近似算法,可扩展到大数据集,并找到可证明的接近最优的网络。我们证明了我们的方法的有效性,通过跟踪信息扩散在一组1.7亿博客和新闻文章在一年内推断信息如何通过网络媒体空间流动。我们发现,前1,000名媒体网站和博客的新闻传播网络往往具有核心-外围结构,其中一小部分核心媒体网站将信息传播到网络的其他部分。这些网站往往有稳定的影响圈,更一般的新闻媒体网站充当它们之间的连接器。
2011-10-23 cs.DS cs.SI physics.soc-ph